| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 建筑节能控制方法的研究现状 | 第12-13页 |
| 1.2.2 强化学习的研究现状 | 第13-14页 |
| 1.2.3 并行强化学习的研究现状 | 第14-15页 |
| 1.3 本文的研究目的和研究内容 | 第15-17页 |
| 第二章 强化学习理论及算法 | 第17-27页 |
| 2.1 强化学习 | 第17-24页 |
| 2.1.1 强化学习的基本要素 | 第17-18页 |
| 2.1.2 强化学习框架 | 第18页 |
| 2.1.3 马尔科夫决策过程 | 第18-20页 |
| 2.1.4 强化学习的主要算法 | 第20-24页 |
| 2.2 并行强化学习 | 第24-25页 |
| 2.3 函数逼近 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 多线程并行强化学习算法 | 第27-41页 |
| 3.1 相关技术 | 第27-28页 |
| 3.1.1 多线程技术 | 第27-28页 |
| 3.1.2 经验回放 | 第28页 |
| 3.2 多线程并行强化学习算法 | 第28-33页 |
| 3.2.1 MPRL的算法框架 | 第28-29页 |
| 3.2.2 基于FCM的强化学习多线程划分方法 | 第29-31页 |
| 3.2.3 MPRL算法 | 第31-33页 |
| 3.3 实验 | 第33-39页 |
| 3.3.1 Randomwalk | 第33-35页 |
| 3.3.2 Windygridworld | 第35-38页 |
| 3.3.3 Cartpole | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 一种面向建筑节能的强化学习自适应控制方法 | 第41-52页 |
| 4.1 强化学习自适应算法框架建模 | 第41-43页 |
| 4.1.1 环境建模 | 第41-42页 |
| 4.1.2 算法框架设计 | 第42-43页 |
| 4.2 控制算法与仿真步骤 | 第43-45页 |
| 4.2.1 控制算法 | 第43-44页 |
| 4.2.2 仿真步骤 | 第44-45页 |
| 4.3 实验 | 第45-50页 |
| 4.3.1 关于模型的节能性的对比实验 | 第45页 |
| 4.3.2 关于RLAC方法收敛性能的对比实验 | 第45-48页 |
| 4.3.3 关于RLAC方法对建筑物内相关设备控制性能的实验 | 第48-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 基于并行强化学习的建筑节能方法 | 第52-61页 |
| 5.1 基于自模拟度量的多样性样本池 | 第52-54页 |
| 5.1.1 自模拟度量 | 第52-53页 |
| 5.1.2 多样性样本池的构造 | 第53-54页 |
| 5.2 基于并行强化学习的建筑节能方法 | 第54-56页 |
| 5.2.1 环境与强化学习信号建模 | 第54-55页 |
| 5.2.2 基于并行强化学习的控制节能算法 | 第55-56页 |
| 5.3 实验 | 第56-59页 |
| 5.3.1 与Q-Learning算法的对比实验 | 第57-58页 |
| 5.3.2 与PID控制方法的对比实验 | 第58-59页 |
| 5.4 本章小结 | 第59-61页 |
| 第六章 总结 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 图表目录 | 第66-68页 |
| 致谢 | 第68-69页 |
| 附录 | 第69-71页 |
| 作者简介 | 第71-72页 |